智能体执行框架提出并完成跨域评测

2026年10月20日，Saurav Joshi 等作者在 arXiv 发表论文，提出一种智能体执行框架（agent execution harness）。该框架将原始目标与可修订计划、执行记录分离，由规划者分配任务、执行者产出结果、审查者对照原始请求检查后再提交。评测方面，在 Terminal-Bench 2.1 上，该框架通过 89 个实例中的 83 个，通过率 93.26%；在 HealthBench Professional 上，Fable 配置在 525 个任务上取得长度调整后 69.63 的评分。目前报道仅涵盖框架设计与上述两项基准结果，尚无后续跟进报道。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。